Tablas de contingencia de pobreza Nueva-Metodología Casen 2006-2020

Por comunas

VE-CC-AJ

DataIntelligence
date: 30-09-2021

En un proceso laberíntico logramos obtener las bases de datos que contenían las categorías de pobreza que coincidían con las tablas oficiales de corrección retroactiva de la Casen

Lectura de bases de datos Casen

direccion <- switch(2,"C:/Users/enamo/Desktop/Shiny-R/Casen_en_pandemia_2020/casen/","C:/Users/chris/OneDrive/Documentos/archivos_grandes/")

dataset_06 <<- readRDS(paste0(direccion,"casen_2006_c.rds"))
dataset_06 <- mutate_if(dataset_06, is.factor, as.character)
dataset_09 <<- readRDS(paste0(direccion,"casen_2009_c.rds"))
dataset_09 <- mutate_if(dataset_09, is.factor, as.character)
dataset_11 <<- readRDS(paste0(direccion,"casen_2011_c.rds"))
dataset_11 <- mutate_if(dataset_11, is.factor, as.character)
dataset_13 <<- readRDS(paste0(direccion,"casen_2013_c.rds"))
dataset_13 <- mutate_if(dataset_13, is.factor, as.character)
dataset_15 <<- readRDS(paste0(direccion,"casen_2015_c.rds"))
dataset_15 <- mutate_if(dataset_15, is.factor, as.character)
dataset_17 <<- readRDS(paste0(direccion,"casen_2017_c.rds"))
dataset_17 <- mutate_if(dataset_17, is.factor, as.character)
dataset_20 <<- readRDS(paste0(direccion,"casen_2020_e1.rds"))
dataset_20 <- mutate_if(dataset_20, is.factor, as.character)

Base de datos Complementaria de Ingresos Nueva Metodología Casen 2006 SPSS

dataset_06$clave <- paste0(dataset_06$SEG,dataset_06$O,dataset_06$F)
MN_2006 <- read.spss("C:/Users/chris/OneDrive/Documentos/archivos_grandes/Ingresos MN 2006.sav", to.data.frame = TRUE)
MN_2006$clave <- paste0(MN_2006$seg,MN_2006$o,MN_2006$f)

MN_2006_2 <- MN_2006[,c("clave","pobreza_MN")]
dataset_06 <- merge(x= dataset_06, y= MN_2006_2, by="clave")
dataset_06 <- mutate_if(dataset_06, is.factor, as.character)

Base de datos Complementaria de Ingresos Nueva Metodología Casen 2009 SPSS

dataset_09$clave <- paste0(dataset_09$SEGMENTO,dataset_09$IDVIV,dataset_09$HOGAR,dataset_09$O)
MN_2009 <- read.spss("C:/Users/chris/OneDrive/Documentos/archivos_grandes/Ingresos MN 2009.sav", to.data.frame = TRUE)
MN_2009$clave <- paste0(MN_2009$SEGMENTO,MN_2009$IDVIV,MN_2009$HOGAR,MN_2009$O)

MN_2009_2 <- MN_2009[,c("clave","pobreza_MN")]
dataset_09 <- merge(x= dataset_09, y= MN_2009_2, by="clave")
dataset_09 <- mutate_if(dataset_09, is.factor, as.character) 

Base Complementaria Ingresos Nueva Metodología Casen 2011 (submuestra noviembre 2011-enero 2012) (Base 2011 utilizada para estimaciones de serie Casen) SPSS

dataset_11$clave <- paste0(dataset_11$folio,dataset_11$o)
MN_2011 <- read.spss("C:/Users/chris/OneDrive/Documentos/archivos_grandes/Ingresos MN 2011.sav", to.data.frame = TRUE)
MN_2011$clave <- paste0(MN_2011$folio,MN_2011$o )

MN_2011_2 <- MN_2011[,c("clave","pobreza_MN")]
dataset_11 <- merge(x= dataset_11, y= MN_2011_2, by="clave")
dataset_11 <- mutate_if(dataset_11, is.factor, as.character) 

Base de Datos Complementaria Ingresos Metodología Tradicional Casen 2013 STATA

dataset_13$clave <- paste0(dataset_13$folio,dataset_13$o)
MN_2013 <- as.data.frame(read_dta("C:/Users/chris/OneDrive/Documentos/archivos_grandes/casen_2013_ymt.dta"))
MN_2013$clave <- paste0(MN_2013$folio,MN_2013$o )

MN_2013_2 <- MN_2013[,c("clave","pobreza_mt")]
dataset_13 <- merge(x= dataset_13, y= MN_2013_2, by="clave")
dataset_13 <- mutate_if(dataset_13, is.factor, as.character) 

http://observatorio.ministeriodesarrollosocial.gob.cl/encuesta-casen-2013

1 Homologación de pobreza

dataset_06$pobreza_MN[dataset_06$pobreza_MN == "No pobres"] <- "No pobre"
dataset_06$pobreza_MN[dataset_06$pobreza_MN == "Pobres no extremos"] <- "Pobre"
dataset_06$pobreza_MN[dataset_06$pobreza_MN == "Pobres extremos"] <- "Pobre extremo"

dataset_09$pobreza_MN[dataset_09$pobreza_MN == "No pobres"] <- "No pobre"
dataset_09$pobreza_MN[dataset_09$pobreza_MN == "Pobres no extremos"] <- "Pobre"
dataset_09$pobreza_MN[dataset_09$pobreza_MN == "Pobres extremos"] <- "Pobre extremo"

dataset_11$pobreza_MN[dataset_11$pobreza_MN == "No pobres"] <- "No pobre"
dataset_11$pobreza_MN[dataset_11$pobreza_MN == "Pobres no extremos"] <- "Pobre"
dataset_11$pobreza_MN[dataset_11$pobreza_MN == "Pobres extremos"] <- "Pobre extremo"

dataset_13$pobreza_MN[dataset_13$pobreza_MN == "No pobres"] <- "No pobre"
dataset_13$pobreza_MN[dataset_13$pobreza_MN == "Pobres no extremos"] <- "Pobre"
dataset_13$pobreza_MN[dataset_13$pobreza_MN == "Pobres extremos"] <- "Pobre extremo"

dataset_15$pobreza[dataset_15$pobreza == "No pobres"] <- "No pobre"
dataset_15$pobreza[dataset_15$pobreza == "Pobres no extremos"] <- "Pobre"
dataset_15$pobreza[dataset_15$pobreza == "Pobres extremos"] <- "Pobre extremo"

dataset_17$pobreza[dataset_17$pobreza == "No pobres"] <- "No pobre"
dataset_17$pobreza[dataset_17$pobreza == "Pobres no extremos"] <- "Pobre"
dataset_17$pobreza[dataset_17$pobreza == "Pobres extremos"] <- "Pobre extremo"

dataset_20$pobreza[dataset_20$pobreza == "No pobres"] <- "No pobre"
dataset_20$pobreza[dataset_20$pobreza == "Pobres no extremos"] <- "Pobre"
dataset_20$pobreza[dataset_20$pobreza == "Pobres extremos"] <- "Pobre extremo"

2 Generación de tablas de contingencia

df_tablas <- data.frame()

funcion1 <- function(n){
 
 xx<-switch(n,"2006","2009","2011","2013","2015","2017","2020")
 tanio <<- xx

 
 

if(xx==2006) {
  
eliminated <- dataset_06
a <- eliminated$pobreza_MN
b <- eliminated$COMUNA
anio <- 2006
}

if(xx==2009) {

eliminated <- dataset_09
a <- eliminated$pobreza_MN
b <- eliminated$COMUNA
anio <- 2009

}

if(xx==2011) {
  
eliminated <- dataset_11
a <- eliminated$pobreza_MN
b <- eliminated$comuna
anio <- 2011

}

if(xx==2013) {
  
eliminated <- dataset_13
a <- eliminated$pobreza_MN
b <- eliminated$comuna 
anio <- 2013

}
 

if(xx==2015) {
  
eliminated <- dataset_15
a <- eliminated$pobreza
b <- eliminated$comuna
anio <- 2015
}

if(xx==2017) {
  
eliminated <- dataset_17
a <- eliminated$pobreza
b <- eliminated$comuna
anio <- 2017
}

if(xx==2020) {
  
eliminated <-dataset_20
a <- eliminated$pobreza
b <- eliminated$comuna
anio <- 2020
}

################ -- frecuencia
expan<-switch(n,"EXPC","EXPC","expc_full","expc","expc_todas","expc","expc")

tabla_matp <-xtabs(eliminated[,(expan)]~a+b, data = eliminated)
tabla_matp <- as.data.frame(tabla_matp)
tabla_matp <-tabla_matp[!(tabla_matp$Freq == 0),]
df <- tabla_matp
df <- df[complete.cases(df), ]
################ 


 
names(df)[1] <- "Pobreza"
names(df)[2] <- "Comuna"
df$Año = anio

direc_cod_com <- paste0("C:/Users/chris/OneDrive/Documentos/archivos_grandes/codigos_comunales_2006-2020.rds")
codigos_comunales <- readRDS(file = direc_cod_com)
names(codigos_comunales)[1] <- "Código"
names(codigos_comunales)[2] <- "Comuna"

tabla_df = merge( x = df, y = codigos_comunales, by = "Comuna", all.x = TRUE)
tabla_df2 <<- tabla_df 

}

data_df3 <- data.frame()
for (n in 1:7){
  funcion1(n)

  data_df3 <- rbind(data_df3,tabla_df2)
  assign(paste0("tabla_etnia_",tanio),data_df3)
  data_df3 <- data.frame()
  print(paste0("tabla_etnia_",tanio))
}
## [1] "tabla_etnia_2006"
## [1] "tabla_etnia_2009"
## [1] "tabla_etnia_2011"
## [1] "tabla_etnia_2013"
## [1] "tabla_etnia_2015"
## [1] "tabla_etnia_2017"
## [1] "tabla_etnia_2020"
data_df3 <- rbind(tabla_etnia_2006,tabla_etnia_2009,tabla_etnia_2011,tabla_etnia_2013,tabla_etnia_2015,tabla_etnia_2017,tabla_etnia_2020)

##############
datatable(data_df3, extensions = 'Buttons', escape = FALSE, rownames = FALSE,
          options = list(dom = 'Bfrtip',
          buttons = list('colvis', list(extend = 'collection',
          buttons = list(
          list(extend='copy'),
          list(extend='excel',
            filename = 'tabla_etnia_pobreza'),
          list(extend='pdf',
            filename= 'tabla_etnia_pobreza')),
          text = 'Download')), scrollX = TRUE))

3 No pobre

df1 <- filter(data_df3, Pobreza == "No pobre",  Año == 2006 )
df2 <- filter(data_df3, Pobreza == "No pobre",  Año == 2009 )
df3 <- filter(data_df3, Pobreza == "No pobre",  Año == 2011 )
df4 <- filter(data_df3, Pobreza == "No pobre",  Año == 2013 )
df5 <- filter(data_df3, Pobreza == "No pobre",  Año == 2015 )
df6 <- filter(data_df3, Pobreza == "No pobre",  Año == 2017 )
df7 <- filter(data_df3, Pobreza == "No pobre",  Año == 2020 )

names(df1)[c(2,3)] <- c("Pobreza1","Freq1")
names(df2)[c(2,3)] <- c("Pobreza2","Freq2")
names(df3)[c(2,3)] <- c("Pobreza3","Freq3")
names(df4)[c(2,3)] <- c("Pobreza4","Freq4")
names(df5)[c(2,3)] <- c("Pobreza5","Freq5")
names(df6)[c(2,3)] <- c("Pobreza6","Freq6")
names(df7)[c(2,3)] <- c("Pobreza7","Freq7")

df8 <- merge(x=df1, y= df2[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df3[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df4[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df5[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df6[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df7[,c(2,3,5)], by= "Código")
df8 <- df8[,c(2,1,3,4,6:17,5)]
df8 <- mutate_if(df8, is.factor, as.character)
 
p <- plot_ly(df8, width = 1200,  x = ~Comuna, y = ~Freq1,   name = 'No pobre 2006', mode = 'markers') %>% add_lines()
p <- p %>% add_lines(y = ~Freq2, name = 'No pobre 2009', mode = 'markers')
p <- p %>% add_lines(y = ~Freq3, name = 'No pobre 2011', mode = 'markers')
p <- p %>% add_lines(y = ~Freq3, name = 'No pobre 2013', mode = 'markers')
p <- p %>% add_lines(y = ~Freq4, name = 'No pobre 2015', mode = 'markers')
p <- p %>% add_lines(y = ~Freq5, name = 'No pobre 2017', mode = 'markers')
p <- p %>% add_lines(y = ~Freq6, name = 'No pobre 2020', mode = 'markers')
p 

4 Pobre

df1 <- filter(data_df3, Pobreza == "Pobre",  Año == 2006 )
df2 <- filter(data_df3, Pobreza == "Pobre",  Año == 2009 )
df3 <- filter(data_df3, Pobreza == "Pobre",  Año == 2011 )
df4 <- filter(data_df3, Pobreza == "Pobre",  Año == 2013 )
df5 <- filter(data_df3, Pobreza == "Pobre",  Año == 2015 )
df6 <- filter(data_df3, Pobreza == "Pobre",  Año == 2017 )
df7 <- filter(data_df3, Pobreza == "Pobre",  Año == 2020 )

names(df1)[c(2,3)] <- c("Pobreza1","Freq1")
names(df2)[c(2,3)] <- c("Pobreza2","Freq2")
names(df3)[c(2,3)] <- c("Pobreza3","Freq3")
names(df4)[c(2,3)] <- c("Pobreza4","Freq4")
names(df5)[c(2,3)] <- c("Pobreza5","Freq5")
names(df6)[c(2,3)] <- c("Pobreza6","Freq6")
names(df7)[c(2,3)] <- c("Pobreza7","Freq7")

df8 <- merge(x=df1, y= df2[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df3[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df4[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df5[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df6[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df7[,c(2,3,5)], by= "Código")
df8 <- df8[,c(2,1,3,4,6:17,5)]
df8 <- mutate_if(df8, is.factor, as.character)
 
p <- plot_ly(df8, width = 1200,  x = ~Comuna, y = ~Freq1,   name = 'Pobre 2006', mode = 'markers') %>% add_lines()
p <- p %>% add_lines(y = ~Freq2, name = 'Pobre 2009', mode = 'markers')
p <- p %>% add_lines(y = ~Freq3, name = 'Pobre 2011', mode = 'markers')
p <- p %>% add_lines(y = ~Freq3, name = 'Pobre 2013', mode = 'markers')
p <- p %>% add_lines(y = ~Freq4, name = 'Pobre 2015', mode = 'markers')
p <- p %>% add_lines(y = ~Freq5, name = 'Pobre 2017', mode = 'markers')
p <- p %>% add_lines(y = ~Freq6, name = 'Pobre 2020', mode = 'markers') 
p

5 Pobre extremo

df1 <- filter(data_df3, Pobreza == "Pobre extremo",  Año == 2006 )
df2 <- filter(data_df3, Pobreza == "Pobre extremo",  Año == 2009 )
df3 <- filter(data_df3, Pobreza == "Pobre extremo",  Año == 2011 )
df4 <- filter(data_df3, Pobreza == "Pobre extremo",  Año == 2013 )
df5 <- filter(data_df3, Pobreza == "Pobre extremo",  Año == 2015 )
df6 <- filter(data_df3, Pobreza == "Pobre extremo",  Año == 2017 )
df7 <- filter(data_df3, Pobreza == "Pobre extremo",  Año == 2020 )

names(df1)[c(2,3)] <- c("Pobreza1","Freq1")
names(df2)[c(2,3)] <- c("Pobreza2","Freq2")
names(df3)[c(2,3)] <- c("Pobreza3","Freq3")
names(df4)[c(2,3)] <- c("Pobreza4","Freq4")
names(df5)[c(2,3)] <- c("Pobreza5","Freq5")
names(df6)[c(2,3)] <- c("Pobreza6","Freq6")
names(df7)[c(2,3)] <- c("Pobreza7","Freq7")

df8 <- merge(x=df1, y= df2[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df3[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df4[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df5[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df6[,c(2,3,5)], by= "Código")
df8 <- merge(x=df8, y= df7[,c(2,3,5)], by= "Código")
df8 <- df8[,c(2,1,3,4,6:17,5)]
df8 <- mutate_if(df8, is.factor, as.character)

p <- plot_ly(df8, width = 1200,  x = ~Comuna, y = ~Freq1,   name = 'Pobre extremo 2006', mode = 'markers') %>% add_lines()
p <- p %>% add_lines(y = ~Freq2, name = 'Pobre extremo 2009', mode = 'markers')
p <- p %>% add_lines(y = ~Freq3, name = 'Pobre extremo 2011', mode = 'markers')
p <- p %>% add_lines(y = ~Freq3, name = 'Pobre extremo 2013', mode = 'markers')
p <- p %>% add_lines(y = ~Freq4, name = 'Pobre extremo 2015', mode = 'markers')
p <- p %>% add_lines(y = ~Freq5, name = 'Pobre extremo 2017', mode = 'markers')
p <- p %>% add_lines(y = ~Freq6, name = 'Pobre extremo 2020', mode = 'markers') 
p

6 Porcentaje de pobreza por comuna

recptaculo <- data.frame()
for (j in unique(data_df3$Código)) {
  for (i in c("2006","2009","2011","2013","2015","2017","2020")) {
  tb1 <- filter(data_df3, Año == i, Código == j)
  tb1$porcentaje_pobreza <- (tb1$Freq*100)/sum(tb1$Freq)
  tb1 <- tb1[,c(1,5,2,3,6,4)]
  
  recptaculo <- rbind(recptaculo,tb1)
  
  }
}

datatable(recptaculo, extensions = 'Buttons', escape = FALSE, rownames = FALSE,
          options = list(dom = 'Bfrtip',
          buttons = list('colvis', list(extend = 'collection',
          buttons = list(
          list(extend='copy'),
          list(extend='excel',
            filename = 'hitStats'),
          list(extend='pdf',
            filename= 'hitStats')),
          text = 'Download')), scrollX = TRUE))%>%
  formatStyle(
    'porcentaje_pobreza',
    background = styleColorBar(tb1$porcentaje_pobreza, 'steelblue'),
    backgroundSize = '100% 90%',
    backgroundRepeat = 'no-repeat',
    backgroundPosition = 'center'
  )

7 Cambio de formato a la tabla

df1 <- filter(recptaculo, Pobreza == "No pobre",  Año == 2006 )
df2 <- filter(recptaculo, Pobreza == "No pobre",  Año == 2009 )
df3 <- filter(recptaculo, Pobreza == "No pobre",  Año == 2011 )
df4 <- filter(recptaculo, Pobreza == "No pobre",  Año == 2013 )
df5 <- filter(recptaculo, Pobreza == "No pobre",  Año == 2015 )
df6 <- filter(recptaculo, Pobreza == "No pobre",  Año == 2017 )
df7 <- filter(recptaculo, Pobreza == "No pobre",  Año == 2020 )

names(df1)[c(4:6)] <- c("Freq1","porcentaje_pobreza1","Año1")
names(df2)[c(4:6)] <- c("Freq2","porcentaje_pobreza2","Año2")
names(df3)[c(4:6)] <- c("Freq3","porcentaje_pobreza3","Año3")
names(df4)[c(4:6)] <- c("Freq4","porcentaje_pobreza4","Año4")
names(df5)[c(4:6)] <- c("Freq5","porcentaje_pobreza5","Año5")
names(df6)[c(4:6)] <- c("Freq6","porcentaje_pobreza6","Año6")
names(df7)[c(4:6)] <- c("Freq7","porcentaje_pobreza7","Año7")
 
df8 <- merge(x=df1, y= df2[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df3[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df4[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df5[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df6[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df7[,c(2,4:6)], by= "Código")
df8 <- df8[,c(2,1,3:24)]
tb1<- mutate_if(df8, is.factor, as.character)


df1 <- filter(recptaculo, Pobreza == "Pobre",  Año == 2006 )
df2 <- filter(recptaculo, Pobreza == "Pobre",  Año == 2009 )
df3 <- filter(recptaculo, Pobreza == "Pobre",  Año == 2011 )
df4 <- filter(recptaculo, Pobreza == "Pobre",  Año == 2013 )
df5 <- filter(recptaculo, Pobreza == "Pobre",  Año == 2015 )
df6 <- filter(recptaculo, Pobreza == "Pobre",  Año == 2017 )
df7 <- filter(recptaculo, Pobreza == "Pobre",  Año == 2020 )

names(df1)[c(4:6)] <- c("Freq1","porcentaje_pobreza1","Año1")
names(df2)[c(4:6)] <- c("Freq2","porcentaje_pobreza2","Año2")
names(df3)[c(4:6)] <- c("Freq3","porcentaje_pobreza3","Año3")
names(df4)[c(4:6)] <- c("Freq4","porcentaje_pobreza4","Año4")
names(df5)[c(4:6)] <- c("Freq5","porcentaje_pobreza5","Año5")
names(df6)[c(4:6)] <- c("Freq6","porcentaje_pobreza6","Año6")
names(df7)[c(4:6)] <- c("Freq7","porcentaje_pobreza7","Año7")
 
df8 <- merge(x=df1, y= df2[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df3[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df4[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df5[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df6[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df7[,c(2,4:6)], by= "Código")
df8 <- df8[,c(2,1,3:24)]
tb2<- mutate_if(df8, is.factor, as.character)



df1 <- filter(recptaculo, Pobreza == "Pobre extremo",  Año == 2006 )
df2 <- filter(recptaculo, Pobreza == "Pobre extremo",  Año == 2009 )
df3 <- filter(recptaculo, Pobreza == "Pobre extremo",  Año == 2011 )
df4 <- filter(recptaculo, Pobreza == "Pobre extremo",  Año == 2013 )
df5 <- filter(recptaculo, Pobreza == "Pobre extremo",  Año == 2015 )
df6 <- filter(recptaculo, Pobreza == "Pobre extremo",  Año == 2017 )
df7 <- filter(recptaculo, Pobreza == "Pobre extremo",  Año == 2020 )

names(df1)[c(4:6)] <- c("Freq1","porcentaje_pobreza1","Año1")
names(df2)[c(4:6)] <- c("Freq2","porcentaje_pobreza2","Año2")
names(df3)[c(4:6)] <- c("Freq3","porcentaje_pobreza3","Año3")
names(df4)[c(4:6)] <- c("Freq4","porcentaje_pobreza4","Año4")
names(df5)[c(4:6)] <- c("Freq5","porcentaje_pobreza5","Año5")
names(df6)[c(4:6)] <- c("Freq6","porcentaje_pobreza6","Año6")
names(df7)[c(4:6)] <- c("Freq7","porcentaje_pobreza7","Año7")
 
df8 <- merge(x=df1, y= df2[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df3[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df4[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df5[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df6[,c(2,4:6)], by= "Código")
df8 <- merge(x=df8, y= df7[,c(2,4:6)], by= "Código")
df8 <- df8[,c(2,1,3:24)]
tb3<- mutate_if(df8, is.factor, as.character)

tabla_madre <- rbind(tb1,tb2,tb3)
datatable(tabla_madre, extensions = 'Buttons', escape = FALSE, rownames = FALSE,
          options = list(dom = 'Bfrtip',
          buttons = list('colvis', list(extend = 'collection',
          buttons = list(
          list(extend='copy'),
          list(extend='excel',
            filename = 'hitStats'),
          list(extend='pdf',
            filename= 'hitStats')),
          text = 'Download')), scrollX = TRUE))

8 Aplicamos la interpolación

receptaculo3 <- receptaculo2[,1]

9 No pobres

fn_grafico <- function(m){
  
  p <- p %>% add_lines(y = ~pob1[,m], name = paste0('No pobre ',colnames(pob1)[m]), mode = 'markers')
  p <<- p
}
pob1 <- filter(tabla_final, Pobreza == "No pobre")
p <- plot_ly(pob1, width = 1200,  x = ~Comuna, y = ~p2006,   name = 'No pobre 2006', mode = 'markers') %>% add_lines()

for (m in 5:18) {
 fn_grafico(m) 
}

p

10 Pobres

fn_grafico <- function(m){
  
  p <- p %>% add_lines(y = ~pob1[,m], name = paste0('Pobre ',colnames(pob1)[m]), mode = 'markers')
  p <<- p
}
pob1 <- filter(tabla_final, Pobreza == "Pobre")
p <- plot_ly(pob1, width = 1200,  x = ~Comuna, y = ~p2006,   name = 'Pobre 2006', mode = 'markers') %>% add_lines()

for (m in 5:18) {
 fn_grafico(m) 
}

p

11 Pobres extremos

fn_grafico <- function(m){
  
  p <- p %>% add_lines(y = ~pob1[,m], name = paste0('Pobre extremo ',colnames(pob1)[m]), mode = 'markers')
  p <<- p
}
pob1 <- filter(tabla_final, Pobreza == "Pobre extremo")
p <- plot_ly(pob1, width = 1200,  x = ~Comuna, y = ~p2006,   name = 'Pobre extremo 2006', mode = 'markers') %>% add_lines()

for (m in 5:18) {
 fn_grafico(m) 
}

p